当AI遇上脑科学丨硕士生学术沙龙第七期顺利举行

by 刘菱、李佳欣、李子萱、李婕 | 2023-03-29

2023年3月21日下午14:00，第七期“当AI遇上脑科学”系列学术沙龙在D521会议室顺利举行。

内尔神经可塑性诺奖实验室陈祖昕副研究员、脑信息中心伊子健高级工程师作为特邀评委参加了此次学术沙龙活动。

脑图谱与行为研究中心2020级硕士研究生徐阳作为“当AI遇上脑科学”学术沙龙的活动发起人与本期活动的主持人，其表示“人工智能和脑科学是两个快速发展的领域，它们的交叉研究不仅可以推动彼此的发展，还可以为我们提供更深入的认知和智能的理解。去年该系列活动在王立平老师的大力支持下得到了广泛的关注与认可，参与者反应热烈，因此我们希望能够找到一位交接人员，持续推动、举办这个活动，把这个活动打造成脑所的学术沙龙的名牌，为更多的学生和学者提供学术交流和分享的平台。”

徐阳同学现场分享创办活动的初衷

刘菱
导师：李骁健正高级工程师
报告主题：Generative Self-supervised Learning: AE and GAN

2021级硕士生刘菱同学围绕“生成式自监督学习”为听众们展开了分享。其表示“生成式自监督学习”是指使用无标签数据进行训练的生成模型。该模型能够自动学习数据中的模式，并合成类似于输入数据的新数据。其训练好的特征提取器可以进一步应用到下游任务中做进一步的训练，节省了标注成本。基于生成式自监督学习的模型可以生成多种类型的信号，例如音频信号、图像信号、文本信号以及神经活动信号等。

在脑机接口领域中，由于神经元活动的不断变化，导致获取可用的神经信号十分有限，同时数据的质量和可靠性都受到众多干扰，包括生物噪声、外部噪声、测量设备引入的干扰信号以及人脑中的神经可塑性。因此，可以采用生成模型来生成信号以辅助解码器训练。

总的来说，基于生成式自监督学习的生成模型可以广泛应用于多个领域，从而实现更加智能和自动化的数据生成和处理。

精彩问答

Q&A

为什么要造神经数据？造出来的神经数据可靠吗？

在脑机接口领域中，其核心问题在于如何通过获取的有限信号解码出精确的运动控制等行为。一方面，为了提高神经活动信号的质量，需要采用高精度的测量设备，并对实验对象进行严格控制，减少干扰来源。另一方面，为了有效利用这些神经活动信号，需要努力提升信号分析技术。通常情况下，人们会使用一些基于计算机模拟的方法来生成更多的神经信号数据来辅助训练，例如，可以基于人工神经网络或生物物理学模型来生成模拟神经信号。造出来的神经信号数据可以在很大程度上模拟真实的神经信号，并且具有可控、可重复、可定量化等优点。这使得研究人员可以更好地探索和利用神经信号的特性，也为脑机接口技术提供了更多有效的数据支持。然而，造出来的神经信号数据并不能完全代表真实的生物神经信号。虽然这些数据可以提供一些关于神经信号特性的有用信息，但是它们仍然缺乏真实神经系统中复杂、动态、多源的特征。因此，在使用这些数据时，研究人员需要进行谨慎的评估和验证，以确保算法、模型、方法等的可靠性和适用性。

李佳欣
导师：周鹏程副研究员
报告主题：LETS-AI: The Hassle-free AI Platform for Neuroscience Data Analysis

2021级硕士生李佳欣同学给大家描述了使用AI算法的一些场景，并分享了一些关于如何简单快速使用AI算法的思考。

AI算法能很好的帮助我们进行脑科学数据分析，例如细胞分割，神经元追踪，大脑图谱配准，显微图像超分辨处理等等任务，都可以使用深度学习的方法进行自动化。

但深度学习方法使用起来往往有许多限制，如缺少GPU，运算环境难搭建等等问题。较高的使用门槛让许多非计算机专业的同学望而生畏。分享者希望通过建立一个共享平台来解决这些问题，将研究人员和算法开发人员联系起来。通过平台，研究人员无需再购买硬件设备，下载软件，做到开箱即用，立即测试算法在自己数据上的表现。

算法开发人员则可以更快更好的分享算法，同时使用庞大的共享数据集来训练模型。

精彩问答

Q&A

神经元追踪到现在还没有全自动的算法吗？

没有，因为目前没有高质量的标注数据，无法进行训练。

为什么还没有高质量的数据呢？

因为交互问题，无法获取3D volume data上的高质量标注数据，从而无法将模型预测精度提升到全自动水平，需要人工对关键部位预测结果进行校验修正。

为什么追踪一个神经元需要2000元这么贵？

因为目前标注一个神经元需要5到6万个标注点，手工标注一个人不吃不喝得持续工作16~17小时才能完成，所以人工成本较高。

平台上的计算资源是收费的吗？

我们会有一些奖励机制，让那些对平台有过贡献的人免费使用，同时我们还和火山引擎云计算平台有合作，其他人想使用的话也能够以低于市场价的价格来使用。

李子萱
导师：陈祖昕副研究员
报告主题：Application of Optogenetics in the Evaluation of Reward Behavior

2021级硕士生李子萱同学以奖赏行为的评估范式——颅内自身刺激（ICSS）为切入点，介绍了光遗传学技术在当今行为学中的基本应用。

行为是生命活动的象征，行为学实验是研究人员评估动物行为、研究生命活动的重要手段。本世纪初光遗传学技术被发明推广以来，行为学实验借助该技术实现了跃进和革新。光遗传学技术借助遗传学手段，将能够对光起响应的通道蛋白表达在特定细胞中，实现通过光来激活或抑制神经元活动的目的，这也为我们精准调控脑区来探究其功能作用提供了有力的支撑。

这项技术目前在神经科学领域应用非常广泛，未来可能会应用于多种神经和精神疾病的治疗，如帕金森氏病、阿尔茨海默病、癫痫、情绪障碍疾病等。

精彩问答

Q&A

你们课题做的光遗传学为什么是调控一群神经元而不是调解其中一个？

我们课题主要是做行为学研究，做行为学要看到行为表征需要一群神经元被激活，单个神经元起不到作用。调控单个神经元更多是用在研究细胞内部活动的方向。

怎么精准调控两个脑区的？

通过特异性在上游脑区表达光敏通道蛋白，在上下游两个脑区进行突触连接的区域给予激光，以此来特异性调控上游脑区给下游脑区传递兴奋性。